基于Labeled-LDA模型的文本分类新算法

摘要：

LDA(Latent Dirichlet Allocation)模型是近年来提出的一种能够提取文本隐含主题的非监督学习模型.通过在传统LDA模型中融入文本类别信息,文中提出了一种附加类别标签的LDA模型(Labeled-LDA).基于该模型可以在各类别上协同计算隐含主题的分配量,从而克服了传统LDA模型用于分类时强制分配隐含主题的缺陷.与传统LDA模型的实验对比表明:基于Labeled-LDA模型的文本分类新算法可以有效改进文本分类的性能,在复旦大学中文语料库上micro_F1提高约5.7%,在英文语料库20newsgroup的comp子集上micro_F1提高约3%.

关键词：文本分类、图模型、隐含狄利克雷分配、变分推断

所属期刊栏目：31

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金60773027;国家自然科学基金60736044;国家高技术研究发展计划863计划2006AA010108

在线出版日期：2008-06-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：620-627